光正交频分复用(Optical Orthogonal Frequency Di-vision Multiplexing，O-OFDM)技术是近年来出现的一种新型光传输技术，它是将正交频分复用(Orthogonal Fre-quency Division Multiplexing，OFDM)技术用于光纤信道的一种技术。在光纤信道中传输OFDM信号，可以提高频谱的利用率，而且能够很好的抵抗色散和各种噪
非线性是自然界复杂性的典型性质之一，那么你对非线性了解多少呢？以下可见一斑：什么是非线性非线性(non-linear)，即 变量之间的数学关系，不是直线而是曲线、曲面、或不确定的属性，叫非线性。非线性是自然界复杂性的典型性质之一；与线性相比，非线性更接近客观事物性质本身，是量化研究认识复杂知识的重要方法之一；凡是能用非线性描述的关系，通称非线性关系。狭义的非线性是指不按比例、不成直线的数量关系，
原文为 Wang et al., 2008b J. M. Wang, D. J. Fleet, and A. Hertzmann. Gaussian process dynamical models for human motion. IEEE Transactions on Pattern Analysis and Machine Intelligence, 30:283–398, 2008下面
1. 鲁棒控制和自适应控制的联系与区别鲁棒控制是以目的定义的控制方法集合，自适应控制是以手段定义的控制方法集合，这两种控制都是为了应对 “当数学模型不能精确表示实际系统的情况下。狭义的鲁棒控制是指H2，Hinf，LMI等控制，主要思想是使控制器对模型不确定性(外界扰动，参数扰动)灵敏度最小来保持系统的原有性能。广义的鲁棒控制则是指所有用确定的控制器来应对包含不确定性的系统的控制算法，所以研究滑模控
转载
2023-11-09 09:48:58
27阅读
文章目录一、理论基础1、标准樽海鞘群算法2、自适应惯性权重樽海鞘群算法（1）惯性权重策略（2）种群成功率策略（3）差分变异策略（4）算法步骤二、数值实验与结果分析三、参考文献 一、理论基础1、标准樽海鞘群算法2、自适应惯性权重樽海鞘群算法为平衡SSA的全局和局部搜索能力，首先在追随者位置更新时引入基于非线性递减函数的惯性权重因子；然后引入种群成功率作为反馈参数对惯性权重因子自适应调整。此外，为防
论文：http://www.yugangjiang.info/publication/17MM-PersonAttribute.pdfgithub地址：https://github.com/qiexing/adaptive_weighted_attributeAdaptively Weighted Multi-task Deep Network for Person A!ribute Classi
文章目录一、理论基础1、基本布谷鸟算法2、改进的布谷鸟算法(DWCS)（1）非线性惯性权重对数递减策略（2）随机调整的发现概率策略（3）DWCS算法的流程二、仿真实验与分析三、参考文献 一、理论基础1、基本布谷鸟算法请参考这里。2、改进的布谷鸟算法(DWCS)（1）非线性惯性权重对数递减策略动态变化惯性权重主要有以下几类。以下公式中，为当前迭代次数，为最大迭代数，和为的初值和终值。 （1）线性递
论文名称：Adaptive Unsupervised Self-training for Disfluency Detection论文作者：王重元，王一轩，王少磊，车万翔*原创作者：王一轩论文链接：https://aclanthology.org/2022.coling-1.632.pdf摘要文本顺滑检测任务（Disfluency Detection）主要针对口语风格文本中存在的冗余重复语气词等不
摘要：传统的时变惯性权重粒子群优化算法对于求解一般的全局最优问题具有良好的效果,
原创
2023-05-04 11:58:58
356阅读
针对鲸鱼优化算法（WOA）收敛速度慢、求解精度低的问题，在优化算法性能的基础上保留鲸鱼优化算法结构简单的特点，提出
原创
2023-05-04 12:04:56
82阅读
宽高自适应 一、什么是宽高自适应？ 网页布局中经常要定义元素的宽和高。但很多时候我们希望元素的大小能够根据窗口或子元素自动调整，这就是宽高自适应。 二、自适应的优点： 元素自适应在网页布局中非常重要，它能够使网页显示更灵活，可以适应在不同设备、不同窗口和不同分辨率下显示。 三、宽高自适应分为： 1、相对窗口和父元素的自适应写法 宽度：当块状元素不写宽度的时候，默认的宽度就是100%，是父元素的宽度
TF-IDF 加权及其应用 TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索的常用加权技术。TF-IDF是一种统计方法，用以评估某个单词对于一个文档集合（或一个语料库）中的其中一份文件的重要程度。单词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜
1. AdaBoost算法简介AdaBoost (Adaptive Boosting)并不是一种全新的机器学习算法，而是一种提升(boosting)方法或者集成学习。其主要思想是：对于复杂的任务来说，将多个分类器的结果进行综合，从而得出更为精确地结果。2. AdaBoost模型AdaBoost模型包括弱分类器、权重更新和分类规则，下面分别介绍2.1 弱分类器AdaBoost是将多个弱分类器通过一定
二维铁磁单层材料CrI3以及Cr2Ge2Te6的发现，进一步激发了大家寻找室温的二维铁磁材料的兴趣。在第一性原理研究磁性材料的过程中，常常需要对材料的居里温度进行评估。通常我们用经典自旋的海森堡模型描述材料的电子自旋相互作用，有效哈密顿量写为（这里以CrI3为例，各向异性轴为z轴，ref[3]）： 求解这个模型我们常采用基于Metropolis算法的Monte Carlo
阅读本文需要的背景知识点：集成学习、拉格朗日乘数法、一丢丢编程知识一、引言 前面一节我们学习了随机森林算法（Random Forest Algorithm），讲到了其中一种集成学习的方法——Bagging 算法，这一节我们来学习另一种集成学习的方法——提升算法1 （Boosting Algorithm），同时介绍其中比较常见的算法——自适应增强算法2（Adaptive Boosting Algo
介绍AdaBoost，是“Adaptive Boosting”（自适应增强）的缩写，是一种机器学习方法，由Yoav Freund和Robert Schapire于1995年提出。思想前面的模型对训练集预测后，在每个样本上都会产生一个不同损失，AdaBoost会为每个样本更新权重，分类错误的样本要提高权重，分类正确的样本要降低权重，下一个学习器会更加“关注”权重大的样本；每一次得到一个模型后，根据模
尺度自适应网络的语义图像分割Semantic Image Segmentation by Scale-Adaptive Networks个人愚见摘要索引词一．引言二．相关工作A.尺度变化的方法B.融合方法三．可缩放的网络A.问题表述B.网络架构共享网络D.尺度自适应分支E.尺度估算器F.损失设置四． 实验内容A.PASCAL-人-部分五，结论与未来工作 Semantic Image Segmen
改进动态窗口DWA算法，模糊控制自适应调整评价因子权重，matlab代码 这段代码是一个基于动态窗口法（Dynamic Window Approach，DWA）的路径规划算法的实现。下面我将对代码进行分析，并解释算法的优势、需要注意的地方以及独特算法所用到的内容。首先，代码开始时定义了一个地图map0，表示机器人的运动环境。地图中的0表示可通行的区域，1表示障碍物。接着，代码对地图进行
一、粒子群算法 粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。设想这么一个场景：一群鸟进行觅食，而远处有一片 ...
转载
2021-07-25 17:15:00
90阅读
2评论
一、粒子群算法
粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。设想这么一个场景：一群鸟进行觅食，而远处有一片玉米地，所有的鸟都不知道玉米地到底在哪里，但是它们知道自己当前的位置距离玉米地有多远。那么找到玉米
原创
2021-07-14 19:29:33
649阅读
